Novel sensitive methods for detection and monitoring of residual disease can improve postoperative risk stratification with implications for patient selection for adjuvant chemotherapy (ACT), ACT duration, intensity of radiologic surveillance, and, ultimately, outcome for patients with colorectal cancer (CRC).To investigate the association of circulating tumor DNA (ctDNA) with recurrence using longitudinal data from ultradeep sequencing of plasma cell-free DNA in patients with CRC before and after surgery, during and after ACT, and during surveillance.In this prospective, multicenter cohort study, ctDNA was quantified in the preoperative and postoperative settings of stages I to III CRC by personalized multiplex, polymerase chain reaction-based, next-generation sequencing. The study enrolled 130 patients at the surgical departments of Aarhus University Hospital, Randers Hospital, and Herning Hospital in Denmark from May 1, 2014, to January 31, 2017. Plasma samples (n = 829) were collected before surgery, postoperatively at day 30, and every third month for up to 3 years.Outcomes were ctDNA measurement, clinical recurrence, and recurrence-free survival.A total of 130 patients with stages I to III CRC (mean [SD] age, 67.9 [10.1] years; 74 [56.9%] male) were enrolled in the study; 5 patients discontinued participation, leaving 125 patients for analysis. Preoperatively, ctDNA was detectable in 108 of 122 patients (88.5%). After definitive treatment, longitudinal ctDNA analysis identified 14 of 16 relapses (87.5%). At postoperative day 30, ctDNA-positive patients were 7 times more likely to relapse than ctDNA-negative patients (hazard ratio [HR], 7.2; 95% CI, 2.7-19.0; P < .001). Similarly, shortly after ACT ctDNA-positive patients were 17 times (HR, 17.5; 95% CI, 5.4-56.5; P < .001) more likely to relapse. All 7 patients who were ctDNA positive after ACT experienced relapse. Monitoring during and after ACT indicated that 3 of the 10 ctDNA-positive patients (30.0%) were cleared by ACT. During surveillance after definitive therapy, ctDNA-positive patients were more than 40 times more likely to experience disease recurrence than ctDNA-negative patients (HR, 43.5; 95% CI, 9.8-193.5 P < .001). In all multivariate analyses, ctDNA status was independently associated with relapse after adjusting for known clinicopathologic risk factors. Serial ctDNA analyses revealed disease recurrence up to 16.5 months ahead of standard-of-care radiologic imaging (mean, 8.7 months; range, 0.8-16.5 months). Actionable mutations were identified in 81.8% of the ctDNA-positive relapse samples.Circulating tumor DNA analysis can potentially change the postoperative management of CRC by enabling risk stratification, ACT monitoring, and early relapse detection.

ABSTRACT In solid tumor oncology, circulating tumor DNA (ctDNA) is poised to transform care through accurate assessment of minimal residual disease (MRD) and therapeutic response monitoring. To overcome the sparsity of ctDNA fragments in low tumor fraction (TF) settings and increase MRD sensitivity, we previously leveraged genome-wide mutational integration through plasma whole genome sequencing (WGS). We now introduce MRD-EDGE, a composite machine learning-guided WGS ctDNA single nucleotide variant (SNV) and copy number variant (CNV) detection platform designed to increase signal enrichment. MRD-EDGE uses deep learning and a ctDNA-specific feature space to increase SNV signal to noise enrichment in WGS by 300X compared to our previous noise suppression platform MRDetect. MRD-EDGE also reduces the degree of aneuploidy needed for ultrasensitive CNV detection through WGS from 1Gb to 200Mb, thereby expanding its applicability to a wider range of solid tumors. We harness the improved performance to track changes in tumor burden in response to neoadjuvant immunotherapy in non-small cell lung cancer and demonstrate ctDNA shedding in precancerous colorectal adenomas. Finally, the radical signal to noise enrichment in MRD-EDGE enables de novo mutation calling in melanoma without matched tumor, yielding clinically informative TF monitoring for patients on immune checkpoint inhibition.

Circulating tumor DNA (ctDNA) can be used for sensitive detection of minimal residual disease (MRD). However, the probability of detecting ctDNA in settings of low tumor burden is limited by the number of mutations analyzed and the plasma volume available. We used a whole-genome sequencing (WGS) approach for ctDNA detection in patients with urothelial carcinoma. We used a tumor-informed WGS approach for ctDNA-based detection of MRD and evaluation of treatment responses. We analyzed 916 longitudinally collected plasma samples from 112 patients with localized muscle-invasive bladder cancer who received neoadjuvant chemotherapy (NAC) before radical cystectomy. Recurrence-free survival (primary endpoint), overall survival, and ctDNA dynamics during NAC were assessed. We found that WGS-based ctDNA detection is prognostic for patient outcomes with a median lead time of 131 d over radiographic imaging. WGS-based ctDNA assessment after radical cystectomy identified recurrence with sensitivity of 91% and specificity of 92%. In addition, genomic characterization of post-treatment plasma samples with a high ctDNA level revealed acquisition of platinum therapy–associated mutational signatures and copy number variations not present in the primary tumors. The sequencing depth is a limitation for studying tumor evolution. Our results support the use of WGS for ultrasensitive ctDNA detection and highlight the possibility of plasma-based tracking of tumor evolution. WGS-based ctDNA detection represents a promising option for clinical use owing to the low volume of plasma needed and the ease of performing WGS, eliminating the need for personalized assay design. Detection of tumor DNA in blood samples from patients with cancer of the urinary tract is associated with poorer outcomes. Disease recurrence after surgery can be identified by the presence of tumor DNA in blood before it can be detected on radiography scans.

In solid tumor oncology, circulating tumor DNA (ctDNA) is poised to transform care through accurate assessment of minimal residual disease (MRD) and therapeutic response monitoring. To overcome the sparsity of ctDNA fragments in low tumor fraction (TF) settings and increase MRD sensitivity, we previously leveraged genome-wide mutational integration through plasma whole-genome sequencing (WGS). Here we now introduce MRD-EDGE, a machine-learning-guided WGS ctDNA single-nucleotide variant (SNV) and copy-number variant (CNV) detection platform designed to increase signal enrichment. MRD-EDGESNV uses deep learning and a ctDNA-specific feature space to increase SNV signal-to-noise enrichment in WGS by ~300× compared to previous WGS error suppression. MRD-EDGECNV also reduces the degree of aneuploidy needed for ultrasensitive CNV detection through WGS from 1 Gb to 200 Mb, vastly expanding its applicability within solid tumors. We harness the improved performance to identify MRD following surgery in multiple cancer types, track changes in TF in response to neoadjuvant immunotherapy in lung cancer and demonstrate ctDNA shedding in precancerous colorectal adenomas. Finally, the radical signal-to-noise enrichment in MRD-EDGESNV enables plasma-only (non-tumor-informed) disease monitoring in advanced melanoma and lung cancer, yielding clinically informative TF monitoring for patients on immune-checkpoint inhibition. Detection of circulating tumor DNA using MRD-EDGE, a machine-learning-guided single-nucleotide variant and copy-number variant detection platform for signal enrichment, enables monitoring of minimal residual disease and immunotherapy response in settings of low tumor burden.

ABSTRACT Introduction Circulating tumor DNA (ctDNA) is a promising biomarker, reflecting the presence of tumor cells. Sequencing-based detection of ctDNA at low tumor fractions is challenging due to the crude error rate of sequencing. To mitigate this challenge, we developed UMIseq, a fixed-panel deep-targeted sequencing approach, which is universally applicable to all colorectal cancer (CRC) patients. Methods UMIseq features UMI-mediated error correction, exclusion of mutations related to clonal hematopoiesis, a panel of normals for error modeling, and signal integration from single-nucleotide variations, insertions, deletions, and phased mutations. UMIseq was trained and independently validated on pre-operative (pre-OP) plasma from CRC patients (n=364) and healthy individuals (n=61). Results UMIseq displayed an area under the curve surpassing 0.95 for allele frequencies (AF) down to 0.05%. In the training cohort, the pre-OP detection rate reached 80% at 95% specificity, while in the validation cohort, it was 70%. UMIseq enabled the detection of AFs down to 0.004%. To assess the potential for detection of residual disease, 26 post-operative plasma samples from stage III CRC patients were analyzed. Detection of ctDNA was associated with recurrence (p =0.08). Conclusion UMIseq demonstrated robust performance with high sensitivity and specificity, enabling the detection of ctDNA at low allele frequencies.

Abstract Circulating tumor DNA detection using Next-Generation Sequencing (NGS) data of plasma DNA is promising for cancer identification and characterization. However, the tumor signal in the blood is often low and difficult to distinguish from errors. We present DREAMS ( D eep Rea d-level M odelling of S equencing-errors) for estimating error rates of individual read positions. Using DREAMS, we developed statistical methods for variant calling (DREAMS- vc ) and cancer detection (DREAMS- cc ). For evaluation, we generated deep targeted NGS data of matching tumor and plasma DNA from 85 colorectal cancer patients. The DREAMS approach performed better than state-of-the-art methods for variant calling and cancer detection.